Proporción de una población específica que está afectada por un evento de salud de interés (típicamente una enfermedad o factor de riesgo, pero también puede ser factor benéfico) en un tiempo específico.
\[Prevalencia = \frac{\text{Nº de eventos en t}}{\text{Nº de eventos + Nº sin evento en t}}\]
El tiempo específico puede ser un punto, un periodo o toda una vida.
Puede calcularse en una muestra cualquiera, pero a menudo interesan prevalencias de poblaciones relevantes.
- Hablaremos de esto mejor en la sección de estimación.
- Tipos de prevalencia: Dependen de qué es \(t\)
- Prevalencia puntual: \(t\) es solo un momento.
- Prevalencia de intervalo: \(t\) es un intervalo definido de tiempo.
- Prevalencia de vida: \(t\) es todo el intervalo de la vida del sujeto (desde que ocurrió alguna vez el evento).
Proporción de incidencia o incidencia acumulada es la probabilidad de que ocurra un nuevo evento particular (tal como una enfermedad) antes de un tiempo dado.
- El cáculo es directo si no han habido pérdidas en el seguimiento de los individuos y la fórmula es la siguiente:
\[
\text{Incidencia Acumulada} = \frac{\text{Nº eventos nuevos durante periodo t}}{\text{Nº de individuos sin evento en risgo al inicio del periodo t}}
\]
- El cálculo no es directo si hay pérdidas de seguimiento (lo conversaremos en otra clase).
Prevalencia versus Incidencia Acumulada
| |
Prevalencia |
Incidencia Acumulada |
| Numerador |
Eventos existentes en t |
Eventos nuevos durante el periodo t |
| Denominador |
Todos los individuos (con y sin eventos) en t |
Individuos sin evento al inicio del periodo t |
| ¿Probabilidad de qué...? |
Probabilidad de tener el evento |
Probabilidad de desarrolalr evento nuevo |
| Notas |
Solo requiere un punto en el tiempo. A menudo se busca poblaciones relevantes y usa muestras probabilísticas. |
Requiere al menos dos puntos de tiempo. Puede estimarse en poblaciones relevantes. A menudo se usan muestras no probabilísticas en las que es factible el seguimiento (p. ej., pacientes) |
Es la razón de la probabilidad del evento entre la probabilidad del no evento.
\[Odds = \frac{Pr(evento)}{Pr(\text{no evento})} = \frac{Pr(evento)}{1 - Pr(\text{evento})}\]
- Si probabilidad de ganar es de 0.8 (~80%), entonces el odds es 4. El odds se interpretaría como:
La probabilidad de ganar es 4
veces la probabilidad de perder.
- Odds y probabilidad son diferentes, pero tienen valores muy similares cuando la probabilidad del evento es muy pequeña.
| Probabilidad |
Odds |
Diferencia |
| 0.000 |
0.0000000 |
0.0000000 |
| 0.010 |
0.0101010 |
0.0001010 |
| 0.020 |
0.0204082 |
0.0004082 |
| 0.030 |
0.0309278 |
0.0009278 |
| 0.040 |
0.0416667 |
0.0016667 |
| 0.050 |
0.0526316 |
0.0026316 |
| 0.100 |
0.1111111 |
0.0111111 |
| 0.200 |
0.2500000 |
0.0500000 |
| 0.300 |
0.4285714 |
0.1285714 |
| 0.400 |
0.6666667 |
0.2666667 |
| 0.500 |
1.0000000 |
0.5000000 |
| 0.800 |
4.0000000 |
3.2000000 |
| 0.900 |
9.0000000 |
8.1000000 |
| 0.990 |
99.0000000 |
98.0100000 |
| 0.999 |
999.0000000 |
998.0010000 |
Los odds no se usan mucho en epidemiología para expresar frecuencias; pero una medida derivada de esta sí se usa mucho para expresar asociación: la razón de odds (OR).
En epidemiología, las proporciones o probabilidades puede ser incidencias acumuladas o prevalencias, por lo que tenemos dos tipos de Odds:
Odds prevalente
\[Odds_{Prevalente} = \frac{Prevalencia}{1 - Prevalencia}\]
Odds incidente
\[Odds_{Incidente} = \frac{\text{Incidencia Acumulada}}{1 - \text{Incidencia Acumulada}}\]